la gestion rÉelle des rÉsultats: le cas des entreprises
TRANSCRIPT
HAL Id: hal-00479496https://hal.archives-ouvertes.fr/hal-00479496
Submitted on 30 Apr 2010
HAL is a multi-disciplinary open accessarchive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come fromteaching and research institutions in France orabroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, estdestinée au dépôt et à la diffusion de documentsscientifiques de niveau recherche, publiés ou non,émanant des établissements d’enseignement et derecherche français ou étrangers, des laboratoirespublics ou privés.
LA GESTION RÉELLE DES RÉSULTATS: LE CASDES ENTREPRISES FRANÇAISES
Mouna Sellami, Fodil Adjaoud
To cite this version:Mouna Sellami, Fodil Adjaoud. LA GESTION RÉELLE DES RÉSULTATS: LE CAS DES EN-TREPRISES FRANÇAISES. Crises et nouvelles problématiques de la Valeur, May 2010, Nice, France.pp.CD-ROM. �hal-00479496�
LA GESTION RÉELLE DES RÉSULTATS: LE
CAS DES ENTREPRISES FRANÇAISES
Mouna SELLAMI
Doctorante à l’unité de recherche CREM
Faculté des Sciences Economiques et de Gestion - SFAX
Rte de l’aéroport, km 4, Sfax, 3018, Tunisie
E-mail : [email protected]
Fodil ADJAOUD
Professeur Titulaire
École de gestion Telfer / Université d’Ottawa
55 Laurier Avenue Est, Ottawa - Canada
E-mail : [email protected]
Résumé :
La plupart des études liées à la gestion du résultat
se sont basées sur la notion des « accruals » pour
détecter la discrétion des dirigeants. Notre étude
apporte une contribution dans le cas des sociétés
françaises cotées en montrant qu’en sus de la
gestion des « accruals »- qualifiée de « gestion
comptable du résultat »- les dirigeants gèrent leurs
cash-flows d’exploitation (comptabilité
d’encaissement), pour atteindre le seuil zéro, à
travers la gestion d’une activité d’exploitation
(activité réelle) : les ventes. Cette dernière est
qualifiée de « gestion réelle du résultat ».
Mots-clés : gestion réelle du résultat, seuil zéro,
activités réelles : les ventes.
Abstract: REAL EARNINGS MANAGEMENT:
THE CASE OF FRENCH FIRMS
Most studies related to the earnings management
were based on the concept of the « accruals » to
detect the discretion of management. Our study
provides a contribution in the case of listed French
companies by showing that in addition to managing
the « accruals » - described by « accounting
earnings management » - the leaders manage their
cash flows from operations (cash accounting ), to
cross the zero threshold, through the management
of a business operation (real activity): sales. This is
qualified by « real earnings management ».
Key-words: real earnings management, zero
thresholds, real activities: sales.
1- INTRODUCTION
Les scandales financiers ayant marqué les marchés boursiers au niveau international tels que
l’affaire d’Enron aux Etat-Unis, Vivendi-Universal en France, Nortel au Canada, Parmalat à
l’Italie et l’affaire de Batam en Tunisie nous poussent à nous interroger sur l’ampleur des
comportements discrétionnaires des dirigeants en matière de gestion de leurs résultats
comptables.
Bien qu’abondante, la littérature1 ne porte, de manière générale, que sur la question de gestion
des résultats comptables, autrement dit les « accruals » au détriment de l’autre modalité de
gestion dite « réelle » des résultats qui a une influence directe sur les flux de trésorerie2. Les
auteurs font remarquer que la possibilité d’intervention des dirigeants dans le processus de
gestion des résultats s’établit non seulement à travers les choix des méthodes comptables et
des estimations comptables (amortissements et provisions) mais, aussi, à travers les décisions
liées à l’exploitation de l’entreprise (vente et production). Cette seconde modalité de gestion
du résultat est qualifiée de « Real Earnings Management » ou « Earnings Management
Through Real Activities Manipulation », autrement dit c’est la gestion réelle du résultat ou la
gestion du résultat à travers la manipulation des activités réelles.
La gestion réelle du résultat englobe les transactions déviantes de l’exploitation normale de
l’entreprise telles que la production excédentaire, les remises ou les escomptes excessifs sur
les prix, la réduction anormale des dépenses de recherche et développement (dépenses de
R&D par la suite), etc. En recourant à ce type de gestion, les dirigeants visent à atteindre des
objectifs à court terme ou des niveaux minimums de résultat. Cela évoque, bien évidemment,
la notion de « seuil de résultat », (Roychowdhury, 2006).
Sur le plan empirique, nous constatons que la majorité des travaux3 a évalué primordialement
la gestion des résultats par les « accruals »4, tout en ignorant les flux de trésorerie. En fait,
certaines études ont considéré que les cash-flows font aussi l’objet de manipulation (par
exemple, Lambert, 1984).
Le nombre important des études anglo-saxonnes sur ce sujet et la rareté des études en France
ont motivé cette recherche. À notre connaissance, aucune étude n’a essayé d’étudier le
comportement discrétionnaire des dirigeants dans le contexte français, en fonction d’une
décision, prise par les dirigeants, ayant un impact direct sur les flux de trésorerie, et plus
précisément à travers la manipulation des ventes.
L’étude de la gestion réelle des résultats dans un contexte français permet, d’une part, d’aider
les investisseurs dans leurs processus de prise de décision et, d’autre part, d’avoir une
conscience de tel comportement discrétionnaire dans l’évaluation de la valeur de l’entreprise.
1 Voir les articles suivants : Healy, 1985; Guidry et al., 1999; Defond and Jiambalvo, 1994; Kasznik, 1999;
Healy and Wahlen, 1999 ; Dechow and Skinner, 2000; Kothari, 2001; Stolowy and Breton, 2003. 2 Qualifiée aussi par cash-flows d’exploitation (cash-flows from operations). 3 Jones, 1991 ; Hayn, 1995 ; Dechow et al. 1995 ; Teoh et al. 1998a et b ; McNicholas, 2000 ; Peasnell et al.
2000, Fields et al. 2001 et Pincus et Rajgopal, 2002 dans le contexte américain et Jeanjean 2001 et 2002 et Janin,
2000 dans le contexte français. 4 Les accruals ou les régularisations comptables correspondent à la différence entre le résultat net et les flux de
trésorerie d’exploitation.
Dans cet article nous examinons les travaux5 relatifs à la gestion réelle du résultat. Nous
testons l’hypothèse de recherche dans le cadre des sociétés françaises cotées.
Ainsi, nos objectifs sont triples. Tout d’abord, nous identifions les entreprises suspectes-
c’est-à-dire celles qui gèrent leurs résultats de façon anormale à travers la manipulation des
ventes. Ensuite, nous mesurons les cash-flows d’exploitation anormaux en examinant l’impact
de telle pratique de gestion (manipulation des ventes) sur les cash-flows d’exploitation. Et
finalement, nous comparons les entreprises suspectes avec les autres.
Le reste de l’article est structuré comme suit. La section 2 présente la littérature examinant la
modalité de gestion réelle du résultat et développe les hypothèses de recherche. La section 3
est méthodologique et décrit l’échantillon, les variables et les modèles empiriques à tester.
Les résultats empiriques obtenus sont présentés dans la section 4. La dernière section illustre
les principales conclusions de cette recherche.
2- REVUE DE LA LITTÉRATURE
La gestion réelle des résultats est une décision prise par le dirigeant ayant un impact direct sur
les flux de trésorerie. Dechow et Skinner (2000), Healy et Wahlen (1999) et Fudenberg et
Tirole (1995) ont identifié les sociétés qui semblent s’engager dans les activités réelles
suivantes: [1] la réduction des dépenses de R&D6, [2] la diminution des frais administratifs et
généraux, [3] la synchronisation des ventes en offrant des promotions ou en offrant des termes
de crédits plus flexibles7 et [4] la production excédentaire.
A l’instar des études de Beaver et al. (2004) et Durtschi et Easton (2005)8, Burgstahler et
Dichev (1997) supposent que les discontinuités observées dans la distribution des bénéfices
sont résultantes des actions réelles prises par les dirigeants. Ces derniers ont observé une
augmentation des cash-flows d’exploitation avoisinant le seuil zéro. Néanmoins, leurs
conclusions restent floues en raison du manque de moyens de preuve (test statistique
significatif).
Selon certains chercheurs, par exemples Jeanjean (2002) et Beneish (2001), la gestion réelle
est souvent délicate à détecter. Ils prédisent qu’il est difficile de distinguer entre une décision
optimale de gestion et la volonté de manipuler les chiffres comptables (Schipper, 1989).
Ce n’est que récemment que les chercheurs; en se basant sur des études qualitatives ; Bruns et
Merchant, 1990 ; Lambert et Sponem, 2005 ; Graham et al. 2005); se sont alors orientés vers
la modélisation de la gestion réelle des résultats et ce en distinguant la partie discrétionnaire
5 Nous citons à titre d’exemples les travaux suivants : Bruns et Merchant, 1990 ; Dechow et al. 2003 ; Gunny, 2005 ; Graham et al. 2005 et Roychowdhury, 2004 et 2006. 6 Nous pouvons consulter aussi les études suivantes : Dechow et Sloan, 1991 ; Bushee, 1998 ; Baber et al. 1991
et Bens et al. 2002 et 2003. 7 Bartov (1993) a affirmé que les dirigeants agissent sur le « timing » de la vente de l’actif comme moyen de
manipulation réelle. Cette décision a pour d’éviter la publication des résultats négatifs et la violation des termes
de la dette. 8 Beaver et al. (2004) ont argué que 66,66 % de la discontinuité au niveau de la distribution des résultats est due
à l’effet de l’impôt sur les bénéfices. Alors que, Durtschi et Easton (2005) ont l’expliqué par : (1) la déflation
(employant, par exemple, la capitalisation boursière), (2) les critères de choix d’échantillon, (3) les différences
entre les caractéristiques des observations à gauche et à droite de seuil zéro (tels que valeur boursière et analyste
optimiste/pessimiste), ou (4) facteurs d’une combinaison des trois facteurs.
de celle non discrétionnaire de la variable à manipuler (Roychowdhury, 2004 ; Gunny, 2005 ;
Roychowdhury, 2006 ; Eldenburg et al. 2007 ; Zang, 2007 ; Cohen et Zarowin, 2008).
Les travaux de Roychowdhury (2004 et 2006) ont apporté plusieurs contributions que nous
résumons comme suit :
- sur le plan méthodologique : à partir de l’étude de Dechow et al. (1998), l’auteur développe
un modèle de mesure des niveaux normaux des cash-flows d’exploitation (CFO), des coûts de
production et des dépenses discrétionnaires (dépenses de R&D, frais administratifs et
généraux et les dépenses de publicité). Ces variables devraient saisir l’effet des actions réelles
mieux que des comptes de régularisation (accruals).
- sur le plan académique : l’auteur enrichit la littérature portant sur la gestion des résultats en
prouvant que les entreprises américaines manipulent leurs activités réelles pour atteindre le
seuil zéro.
De leur coté, Eldenburg et al. (2007) ont affirmé que les dirigeants des hôpitaux de Californie
gèrent les activités réelles de leur entreprise soit à la hausse soit à la baisse selon les buts
envisagés au cours de l’année. Ils ont remarqué que les hôpitaux avec des résultats légèrement
négatifs diminuent leurs dépenses pour certaines activités inopérantes telles que les dépenses
générales, les dépenses de recherche et les dépenses administratives pour éviter la publication
des pertes, alors que les hôpitaux avec des résultats légèrement positifs diminuent la cession
de leurs actifs pour échapper de l’examen minutieux des normalisateurs.
Herrmann et al. (2003), quant à eux, ont démontré que les entreprises japonaises augmentent
leurs résultats en agissant sur leurs ventes lorsque les résultats d’exploitation au cours de
l’année chutent en rapport aux prévisions de la direction et vice versa. Thomas et Zhang
(2002)9 ont avancé que les entreprises américaines s’engagent dans une production excessive
en année 0 pour abaisser le coût des marchandises vendues et enregistrer ainsi une
augmentation de leurs résultats.
Enfin, afin d’étudier les facteurs clés qui motivent les dirigeants des entreprises américaines à
entreprendre certaines décisions opérationnelles, par exemple réduire les dépenses
discrétionnaires10
, Graham et al. (2005 et 2006) ont réalisé une enquête avec 401 cadres
financiers et une entrevue détaillée avec 20 dirigeants. Ils ont constaté que les interviewers
révèlent leur grande volonté pour s’engager dans la gestion réelle mieux que celle de
s’engager dans la gestion des accruals. Cette motivation est appréciée surtout dans le cas où
la gestion des activités réelles ne peut pas être différenciée des décisions économiques
optimales, et être ainsi plus difficiles d’être détectée.
D’après cette revue de la littérature, nous précisons que:
- actuellement peu d’études dans le contexte français ont examiné systématiquement le
phénomène de gestion réelle du résultat dans le cadre d’atteindre certains seuils de résultats.
Par contre, la majorité des travaux a été réalisée dans le contexte américain.
9 Pour plus de détail, nous pouvons nous référer, aussi, au travail de Hribar (2002) et Bruns et Merchant (1990). 10 Les dépenses discrétionnaires regroupent les dépenses de R&D, les frais de maintenance et les dépenses de
publicité.
- les dirigeants gèrent leurs résultats en agissant sur les activités réelles suivantes : les
dépenses de R&D, les ventes, la production, les frais généraux et administratifs et les
dépenses de publicité.
La figure 1 récapitule les principales études empiriques portant sur les deux stratégies de
gestion des résultats à savoir : la gestion comptable des résultats et la gestion réelle des
résultats.
Figure 1 : Gestion des accruals et gestion réelle des résultats dans la littérature
2.2 Hypothèse de recherche
Dans cette étude, nous supposons que la gestion réelle n’est que l’accélération de la
synchronisation ou/et la production additionnelle des ventes. En fait, pour accroître le volume
des ventes, les dirigeants accordent des remises ou/et des escomptes excessifs ou offrent plus
Mesure de la notion de : « Gestion des résultats »
Accruals Cash-flows d’exploitation +
Gestion
réelle du
résultat
Comptabilité d’engagement
Comptabilité d’encaissement
Choix comptables
Amortissements,
Provisions,
Stocks,
Compte de
régularisation et etc.
Structuration des transactions
Dépenses de R & D,
Production,
Frais de publicité,
Réduction des prix de ventes,
Comptes clients, fournisseurs et
etc.
Etudes empiriques
- France
Jeanjean (2001et 2002),
Janin (2000) et etc.
- Etats-Unis
Hayn (1995),
Jones (1991),
Dechow et al. (1995),
Teoch et al. (1998a et b),
McNicholas (2000),
Peasnell et al. (2000),
Fields et al. (2001) et etc.
Etudes empiriques
- France
Carence de travaux
- Etats-Unis
Burns et Merchant (1990),
Bartov (1993),
Roychowdhury (2004),
Gunny (2005),
Graham et al. (2005),
Graham et al. (2006),
Roychowdhury (2006),
Eldenburg et al. (2007)
Zang, 2007,
Cohen et Zarowin, 2008 et etc.
Gestion
comptable du
résultat
de terme de crédit. Par conséquent, les flux entrants par unité vendue sont plus faibles par
rapport aux flux entrants liés à l’exploitation habituelle des entreprises. En effet, dans le cycle
normal d’exploitation l’effet des ventes sur les cash-flows d’exploitation est habituel (positif).
Cependant, si les directeurs s’engagent dans cette activité plus intensivement que la normale,
avec l’objectif d’atteindre un seuil de résultat, l’impact sera inhabituel (négatif). La
manipulation des ventes, entraîne des niveaux discrétionnaires (niveaux anormaux) des cash-
flows d’exploitation. De façon générale, Roychowdhury (2004) suppose que la gestion réelle
réduit le niveau des cash-flows d’exploitation durant l’année par rapport à un niveau normal
des ventes. Néanmoins, il prévoit que les résultats de l’année augmentent globalement.
Par ailleurs, les entreprises considérées comme suspectes11
entreprennent des activités qui
affectent défavorablement les cash-flows d’exploitation (CFO) relatifs aux ventes de l’année.
Ainsi, nous émettons l’hypothèse centrale suivante :
Après avoir contrôlé leur niveau des ventes, les entreprises considérées comme suspectes
dégagent temporairement de faibles cash-flows d’exploitation.
Autrement dit, les entreprises suspectes publient des cash-flows d’exploitation
anormalement plus faibles que ceux des autres entreprises.
3- MÉTHODOLOGIE DE LA RECHERCHE
Dans cette section, nous présentons, d’abord, l’échantillon de notre étude et les sources de
collecte des données et, ensuite, nous exposons les modèles à tester ainsi que les différentes
variables utilisées.
3-1 Echantillon et collecte des données
Notre échantillon est composé de 1771 observations (entreprises-années). La population
choisie représente l’ensemble des sociétés françaises cotées sur la période allant de 1996 à
2001.
Les données ont été recueillies à partir de la base de données « Thomson Financial
Analytics ». Cette base regroupe des données comptables détaillées relatives à l’ensemble des
entreprises cotées.
Le processus d’échantillonnage est détaillé ci-dessous :
- en premier lieu, nous avons éliminé les données manquantes à cause de leur indisponibilité;
ainsi, nous avons écarté 6525 observations.
- en second lieu, nous avons exclu toutes les entreprises à caractère financier (tels que les
banques, les institutions financières et les sociétés d’assurance) en raison de la spécificité de
leurs règles comptables. Ces dernières ne disposent pas de comptabilité comparable aux
11 Les entreprises suspectes sont celles qui gèrent réellement leurs résultats. Elles sont situées dans l’intervalle à
droite de seuil zéro (avoisinant le seuil zéro), (Burgstahler et Dichev, 1997; Degeorge et al. 1999 et
Roychowdhury, 2006).
sociétés industrielles et commerciales. Nous avons éliminé les entreprises ayant un SIC code
entre 60 et 69. Au total nous avons éliminé 96 observations.
- enfin, nous avons écarté les observations extrêmes à raison de 5 % pour chaque année. Ceci
nous a conduit à éliminer 218 observations.
Le tableau ci-dessous détaille le processus d’échantillonnage :
Tableau 1: Processus d’échantillonnage des entreprises cotées sur le marché français entre 1996 et 2001
1996 1997 1998 1999 2000 2001
Total des
observations
Population d’étude 1435 1435 1435 1435 1435 1435 8610
Données manquantes (1291) (1223) (1167) (1092) (910) (842) (6525)
Total 1 144 212 268 343 525 593 2085
Banques, institutions
financières et sociétés
d’assurances (SIC 6000-6999)
(3) (8) (8) (13) (33) (31) (96)
Total 2 141 204 260 330 492 562 1989
Observations extrêmes (5 %) (2) (13) (20) (40) (69) (74) (218)
Échantillon final 139 191 240 290 423 488 1771
3-2 Modèles à tester et définitions des variables
3-2-1 Modèles à tester
Afin de tester notre hypothèse d’étude, nous nous sommes basés sur deux méthodes
statistiques à savoir les histogrammes de normalité et les modèles de régression linéaire.
- Histogramme de normalité
Les histogrammes de normalité sont utilisés afin d’observer les discontinuités au niveau de la
distribution des résultats et d’identifier les entreprises suspectes12
.
Pour identifier les entreprises suspectes, nous adaptons la même démarche que Roychowdhry
(2006). Ainsi, nous représentons en abscisse le taux de rendement de l’actif (ROA) défini
comme étant les bénéfices avant les éléments extraordinaires divisés par le total des actifs
alors que l’axe des ordonnées désigne le nombre des entreprises par année.
- Modèles de régression linéaire
L’utilisation de la régression linéaire se justifie par le fait que la variable à expliquer, la
gestion réelle des résultats, est continue et non nominale. Elle est approximée par les cash-
flows d’exploitation anormaux.
Deux modèles de régressions sont envisagés (voir tableau 2).
Le premier modèle a un double objectif. D’une part, il nous permet d’étudier l’effet des ventes
et des variations des ventes sur les cash-flows d’exploitation totaux et en conséquence de
mesurer les cash-flows normaux. D’autre part, il nous permet de déduire les cash-flows
d’exploitation anormaux. Ces derniers correspondent au terme d’erreur (εn) (c’est la
différence entre les cash-flows d’exploitation totaux et les cash-flows d’exploitation
12 Pour identifier les entreprises qui ont plus tendance à manipuler les activités réelles, Roychowdhury (2006)
s’est concentré sur les entreprises-années dans l’intervalle avoisinant le seuil zéro.
normaux). Les cash-flows d’exploitation normaux sont calculés à travers les coefficients
estimés (β1 et β2). Ils représentent le comportement ordinaire des dirigeants, lié à
l’exploitation normale de l’entreprise.
Le second modèle a comme objectif de comparer les cash-flows anormaux des entreprises
suspectes avec le reste des entreprises de l’échantillon. Le recours à cette régression nous
permet de montrer la volonté des dirigeants pour s’engager dans la gestion réelle des résultats.
Tableau 2: Modèles de régression linéaire
Modèle 1 Modèle 2
CFO n / A n-1 = α 0 + α 1 (1 / A n-1) + β 1 (S n / An-1) +
β 2 (∆ S n / A n-1) + ε n
CFA = α + β 1 (SIZE)n-1 + β 2 (MTV) n-1 + β 3
(ROA) + β 4 (SUSPECT_IN) n + ε n
Où :
- α 0 est une constante.
- β 1 et β2 sont les coefficients à estimer.
- α 1 (1 / An-1 ) : « scaled intercept »13.
- CFO n représente les flux de trésorerie totaux pour
la période n.
- An-1 désigne le total des actifs à la fin de la période
n-1.
- S n désigne les ventes pour la période n.
- ∆ S n désigne la variation des ventes.
- ε n est le terme d’erreur.
Où :
- α est une constante.
- β 1, β 2, β 3 et β 4 sont les coefficients à estimer.
- CFA est les cash-flows d’exploitation anormaux.
- SIZE est la taille de l’entreprise.
- MTV est le ratio « Market to Book Value ».
- ROA représente le bénéfice net divisé par le total
des actifs. C’est le ratio « Return On Assets ».
- SUSPECT_IN désigne les entreprises suspectes.
- εn est le terme d’erreur.
3-2-2 Définitions des variables
Les variables du modèle de régression 1 sont les suivantes :
- Cash-flows d’exploitation totaux, (CFO n) : représentent les flux de trésorerie totaux pour la
période n.
- Total des actifs à la fin de la période n-1, (An-1): cette variable est employée pour éliminer le
problème d’hétérogénéité de l’échantillon.
- Les ventes pour la période n, (S n) : sont le chiffre d’affaires réalisé par l’entreprise au cours
de l’année.
- La variation des ventes, (∆ Sn): est la différence entre le chiffre d’affaires de l’année en
cours (Sn) et le chiffre d’affaires de l’année précédente (Sn-1).
La variation, entre les exercices n-1 et n, est mesurée de la façon suivante :
∆ S t (n-1, n) = [S n – Sn-1]
S n-1
13 Selon Roychowdhury (2006), la littérature suggère l’inclusion de la variable « scaled intercept », α (1 / An-1),
dans le modèle d’estimation des accruals discrétionnaires. En fait, cela permet d’éviter une fausse corrélation
entre les cash-flows mesurés et les ventes mesurées due à la variation de la variable « total des actifs ». De plus,
inclure cette variable permet de voir que la moyenne de la variable à expliquer : CFOn / An-1 soit différente de
zéro lorsque les variables explicatives, les ventes et les variations des ventes, sont égales à zéro.
L’objectif de l’utilisation de la variation annuelle est de tenir compte de l’effet de la variation
de l’exercice précédent et d’attribuer le même poids à cette variable par rapport aux autres
variables explicatives du modèle.
Les variables du modèle de régression 2 sont les suivantes :
- Cash-flows d’exploitation anormaux, Y (CFA) : c’est la variable dépendante et représente la
différence entre les cash-flows d’exploitation totaux (codés CFO) et les cash-flows
d’exploitation normaux (codés CFN). Les cash-flows d’exploitation anormaux correspondent
au terme d’erreur (εn) évalué au niveau du modèle de régression (1). Ils résultent des actions
qui dévient de la gestion normale de l’entreprise.
- Bénéfice net divisé par le total des actifs (ROA) : l’inclusion de cette variable au niveau du
modèle de régression (2) permet de contrôler la performance des entreprises par rapport aux
autres.
- Entreprises suspectes, (SUSPECT_IN): c’est une variable binaire qui prend la valeur 1 pour
les entreprises qui ont un ratio « ROA » juste dans l’intervalle à droite de seuil zéro et 0,
autrement.
- Taille de l’entreprise, (SIZE): il s’agit d’une variable de contrôle. Plusieurs mesures sont
souvent retenues, par exemple le logarithme du total actif et le chiffre d’affaires. Dans notre
étude, la taille de l’entreprise est approximée par le logarithme naturel de l’actif total.
- Opportunité de croissance ou ratio « Market to Book Value », (MTV): Il s’agit d’une
variable de contrôle. Suivant les études de Skinner et Sloan (2002), Hribar et al. (2004) et
Roychowdhury (2006), nous présentons le ratio « Market to Book Value » comme étant le
rapport entre la valeur boursière et la valeur comptable de l’entreprise.
MTV 14
= Valeur boursière des actions / Valeur comptable des actions
Le tableau 3 résume les variables d’étude et les identificateurs associés.
Tableau 3 : Descriptions des variables de l’étude
Variables Types Définitions & Mesures
ROA Métrique « Return On Assets » = Bénéfices nets /Total des actifs.
CFO Métrique Cash-flows from operation où les cash-flows d’exploitation totaux.
CFN Métrique Cash-flows normaux mesurés par les coefficients estimés au niveau
du modèle de régression (1).
S Métrique Vente est le chiffre d’affaires de l’exercice.
∆ S Métrique Variation des ventes= (S n- S n-1) / S n-1
TA Métrique Total des actifs.
CFA Métrique Cash-flows d’exploitation anormaux sont le terme d’erreur relatif au
modèle de régression (1) ou CFA = CFO-CFN.
SUSPECT_NI Binaire Entreprises suspectes- prennent la valeur 1 si elles ont un ratio ROA
situé à l’intervalle juste à droite de zéro, 0 si non.
SIZE Métrique Taille de l’entreprise est le logarithme naturel du total de l’actif.
MTV Métrique « Market to Book Value » est le rapport entre la valeur boursière et la
valeur comptable des actions.
14 Skinner et Sloan (2002) ont montré que les entreprises avec une opportunité de croissance sont plus pénalisées
par le marché boursier quand elles manquent à des seuils de résultats. Bien que leur étude se concentre
principalement sur les prévisions d’analyste, Roychowdhury (2006) prévoit qu’il est probable que la croissance
affermisse également la pression de rencontrer d’autres seuils de résultats, y compris zéro.
4- PRÉSENTATION ET INTERPRÉTATIONS DES RÉSULTATS
4-1 Identification des entreprises suspectes
4-1-1 Préparation des données
Pour construire les histogrammes empiriques correspondants aux distributions des bénéfices
nets divisés par le total des actifs, (ROA), il est nécessaire d’étudier de près les
caractéristiques de cette variable à travers tout l’échantillon (1771 observations) et sur la
période d’étude (1996-2001).
L’examen statistique nous permettra de choisir une échelle adéquate pour la construction des
histogrammes empiriques de façon à prendre le maximum d’observations15
dans la
présentation de la densité de la distribution, à savoir : l’étendue de la région symétrique autour
de seuil zéro, la largeur des bâtons des histogrammes, etc.
Nous avons dressé les statistiques descriptives relatives à la variable « ROA ». Le tableau 4
montre un nombre total de 1771 observations. Le nombre des observations disponibles par
année passe de 139 en 1996 à 488 en 2001. Les moyennes du ratio « ROA » sont positives à
travers tout l’échantillon et sur toute la période d’étude. Pratiquement, la variation entre les
années d’étude est négative exclusion faite de la variation entre 1996 et 1997 où elle est
positive à l’ordre de 0.015. La médiane est positive et varie légèrement entre les années
d’étude. Nous remarquons que la moyenne et la médiane du ratio « ROA » diminuent sur la
période d’étude. Ces statistiques, ainsi que l’examen des données, révèlent que les
observations négatives sont plus fréquentes sur les dernières années.
Le quartile moyen de premier ordre (Q1) du ratio « ROA » est de 0.078, l’interquartile moyen
(Q4) est de 0.152 sur la période 1996-2001, ce qui montre que cette variable varie
moyennement entre 0.078 et 0.152 avec un écart type moyen de 0.149.
Tableau 4: Les statistiques descriptives de la variable « Return On Assets » sur la période de 1996 à 2001
Return On Assets (ROA) = Bénéfices nets /Total des actifs
Années N Moyenne Ecart-type Q1. 25% Méd. 50% Q4. 75%
1996 139 0.105 0.060 0.077 0.109 0.142
1997 191 0.120 0.059 0.087 0.119 0.157
1998 240 0.118 0.063 0.080 0.118 0.163
1999 290 0.115 0.059 0.080 0.114 0.156
2000 423 0.112 0.060 0.077 0.112 0.147
2001 488 0.106 0.067 0.069 0.107 0.148
Total 1771 0.112 0.149 0.078 0.113 0.152
La première colonne ‘Années’ représente l’année d’étude, la deuxième colonne ‘N’ représente le nombre
des observations disponibles au titre de chaque année, les cinq dernières colonnes représentent
respectivement les valeurs annuelles de la moyenne, l’écart type, le premier quartile, la médiane et
l’interquartile.
Suite à cette brève description, nous proposons de construire des histogrammes empiriques de
la variable « ROA » dans la région symétrique [-0.090 ; 0.250]16
afin d’introduire le maximum
15 Et ce après avoir éliminé les observations aberrantes. 16 Et suite à des simulations, sur le choix de l’étendue de la région symétrique, non reportées dans ce travail,
nous proposons l’intervalle suivant : [-0.090; 0.250].
d’observations et tout en éliminant les valeurs extrêmes de manière à améliorer l’homogénéité
de l’échantillon.
4-1-2- Entreprises suspectes
La figure 2 représente l’histogramme historique de la variable « ROA » entre 1996 et 2001 et
portant sur 1771 observations disponibles.
L’axe des abscisses, une demi-droite symétrique par rapport à zéro, allant de -0.090 à 0.250,
est divisé en des intervalles égaux de 0.0075 d’amplitude, représentant la largeur des bâtons
composant les histogrammes. L’axe des ordonnées représente la fréquence des observations
dans chaque intervalle. La valeur médiane de la distribution du ratio « ROA » sur toute la
période est de 0.0075, le mode est de 0.0075 et la moyenne est de 0.00375, ce qui indique une
tendance centrale dépassant légèrement zéro.
La figure montre une discontinuité au niveau de la distribution du ratio « ROA » à un seuil
égal à 0.06, pratiquement autour de seuil zéro. En effet, les fréquences de ce dernier dans les
intervalles juste à gauche de zéro sont anormalement faibles alors que les fréquences
avoisinant le seuil zéro sont anormalement élevées.
Résultat net/Total actif
,25,22,20,18,16,13,11,09,07,04,02-,00
-,02
-,05
-,07
-,09
Fréq
uenc
e
120
100
80
60
40
20
0
Sigma = ,06
Moyenne = ,11
N = 1771,00
Figure 2 : L’histogramme empirique de la distribution des résultats nets déflatés par le total des actifs sur
la période 1996-2001. La largeur des bâtons des histogrammes est de 0.0075. L’axe vertical indique la
fréquence des observations contenues dans chaque intervalle. Par exemple, le premier intervalle à droite
de zéro contient la fréquence des résultats nets divisés par le total des actifs appartenant à [0.000, 0.0075),
le deuxième intervalle contient celles appartenant à [0.0075, 0.015), etc.
En poursuivant la même méthodologie basée sur les distributions du ratio « ROA », nous
allons répliquer le travail déjà réalisé sur des données de panel, sur des données annuelles
pour identifier les entreprises qui optent pour une gestion réelle du résultat - qualifiées
d’entreprises suspectes.
Dans une première étape, nous construisons les histogrammes empiriques annuels relatifs au
ratio « ROA ». Nous obtenons six distributions présentées dans la figure 3.
Dans une seconde étape, pour chaque année, nous identifions les entreprises suspectes. Le
tableau 5 récapitule le nombre et les caractéristiques respectivement des entreprises suspectes
et des autres entreprises (non suspectes).
Résultat net/Total actif
,24
,21
,19
,17
,15
,12
,10
,08
,06
,04
,01
-,01
-,03
-,05
-,08
Année: 1996
12
10
8
6
4
2
0
Sigma = ,06
Moyenne = ,11
N = 139,00
Résultat net/Total actif
,24
,21
,19
,17
,15
,12
,10
,08
,06
,04
,01
-,01
-,03
-,05
-,08
Année: 1997
20
10
0
Sigma = ,06
Moyenne = ,12
N = 191,00
Résultat net/Total actif
,25
,22
,20
,18
,16
,13
,11
,09
,07
,04
,02
-,00
-,02
-,05
-,07
-,09
Année: 1998
20
10
0
Sigma = ,06
Moyenne = ,12
N = 240,00
L’histogramme empirique de la distribution des
résultats nets déflatés par le total des actifs pour
l’année 1996. Le nombre des entreprises est de
139. La largeur des bâtons des histogrammes est
de 0.0075. L’axe vertical indique la fréquence des
observations contenues dans chaque intervalle.
L’histogramme empirique de la distribution des
résultats nets déflatés par le total des actifs pour
l’année 1997. Le nombre des entreprises est de
191. La largeur des bâtons des histogrammes est
de 0.0075. L’axe vertical indique la fréquence des
observations contenues dans chaque intervalle.
L’histogramme empirique de la distribution des
résultats nets déflatés par le total des actifs pour
l’année 1998. Le nombre des entreprises est de
240. La largeur des bâtons des histogrammes est
de 0.0075. L’axe vertical indique la fréquence des
observations contenues dans chaque intervalle.
Résultat net/Total actif
,25
,21
,18
,14
,10
,06
,03
-,01
-,05
-,09
Année: 1999
30
20
10
0
Sigma = ,06
Moyenne = ,11
N = 290,00
Résultat net/Total actif
,25
,22
,20
,18
,16
,13
,11
,09
,07
,04
,02
-,00
-,02
-,05
-,07
-,09
Année: 2000
40
30
20
10
0
Sigma = ,06
Moyenne = ,11
N = 423,00
Résultat net/Total actif
,25
,22
,20
,18
,16
,13
,11
,09
,07
,04
,02
-,00
-,02
-,05
-,07
-,09
Année: 2001
30
20
10
0
Sigma = ,07
Moyenne = ,11
N = 488,00
L’histogramme empirique de la distribution
des résultats nets déflatés par le total des
actifs pour l’année 1999. Le nombre des
entreprises est de 290. La largeur des bâtons
des histogrammes est de 0.0075. L’axe
vertical indique la fréquence des observations
contenues dans chaque intervalle.
L’histogramme empirique de la distribution
des résultats nets déflatés par le total des actifs
pour l’année 2000. Le nombre des entreprises
est de 423. La largeur des bâtons des
histogrammes est de 0.0075. L’axe vertical
indique la fréquence des observations
contenues dans chaque intervalle.
L’histogramme empirique de la distribution
des résultats nets déflatés par le total des actifs
pour l’année 2001. Le nombre des entreprises
est de 488. La largeur des bâtons des
histogrammes est de 0.0075. L’axe vertical
indique la fréquence des observations
contenues dans chaque intervalle.
Figure 3: Les histogrammes annuels de la distribution empirique du ratio « Return On Assets »= Résultats nets / Total des actifs au titre de
chaque année allant de 1996 à 2001
Tableau 5 : Nombre des entreprises suspectes et non suspectes et leurs caractéristiques
D’après les histogrammes et le tableau ci-dessus, nous pouvons conclure que :
D’abord, nous observons une discontinuité dans la distribution du ratio « ROA » autour de
seuil 0.060.
Ensuite, les entreprises suspectes se situent dans l’intervalle [0.060; 0.0675).
Enfin, le nombre total des entreprises suspectes est de 406 entreprises, représentant 23 % de
l’échantillon de notre étude sur la période 1996-2001. Nous remarquons une augmentation du
nombre des entreprises suspectes, passant de 33 en 1997 à 134 entreprises suspectes en 2001.
En pourcentage, le nombre des entreprises suspectes passe de 8.37 % en 1997 à 33 % en
2001. Ceci confirme l’intention des dirigeants pour s’engager dans la gestion réelle du
résultat.
4-2 Impact des ventes sur les cash-flows d’exploitation totaux
Les résultats de la régression (1) figurent au tableau 6. Ce tableau présente les coefficients de
régression estimés pour le calcul des cash-flows normaux, le test de Student, le test de Fisher
et le R2 relatif à chaque année d’étude.
En ce qui concerne la signification globale du modèle, nous constatons que ce dernier est
significatif pour l’ensemble des années d’étude, à l’exception des années 1998 et 2000,
puisque la statistique de Fisher indique un seuil de signification de 0.05.
Pour le pouvoir explicatif du modèle (R2), nous remarquons que les ventes et les variations
des ventes pour les différentes années d’étude expliquent faiblement la gestion réelle des
résultats. Par exemple pour les années 1996, 1997, 1999 et 2001 le pouvoir explicatif est
respectivement de 6.6 %, 5.6 %, 6.1 % et 4.1 %. D’autres activités réelles sur lesquelles
peuvent agir les dirigeants peuvent mieux expliquer la gestion réelle des résultats tels les
dépenses de R&D et la production, etc.
Une fluctuation est observée au cours des années concernant l’impact des ventes sur les cash-
flows d’exploitation. En effet, les coefficients estimés de l’activité des ventes pour les années
1996, 1997 et 2000 sont respectivement de -0.023, -0.058 et -0.069 avec une significativité de
1 % et 10 %. Cela implique que les ventes ont un effet négatif sur les cash-flows
d’exploitation c’est-à-dire plus le volume des ventes de l’année 2000, par exemple, augmente
plus les flux de trésorerie par unité vendue diminuent. Par contre, pour les années 1998, 1999
et 2001, les coefficients estimés sont positifs à l’ordre de 0.022, 0.017 et 0.039, ainsi les
ventes sur ces années augmentent les flux de trésorerie par unité vendue.
Entreprises suspectes Entreprises non suspectes
Années Total N Moyenne Ecart type N Moyenne Ecart type
1996 139 34 0.024 0.035 105 0.131 0.039
1997 191 33 0.028 0.045 158 0.139 0.042
1998 240 44 0.026 0.043 196 0.138 0.064
1999 290 62 0.039 0.035 228 0.135 0.047
2000 423 99 0.036 0.035 324 0.135 0.046
2001 488 134 0.029 0.038 354 0.135 0.051
Total 1771 406 0.030 0.038 1365 0.135 0.048
Fréquence 23 % 77 %
En conclusion, nous rappelons que le modèle de régression (1) est employé primordialement
pour mesurer les cash-flows normaux. Ce modèle nous montre éventuellement l’impact des
ventes sur les cash-flows d’exploitation totaux (CFO), et en conséquence nous permet de
mesurer les cash-flows d’exploitation anormaux. En effet, la gestion réelle des résultats est
une variable continue qui est approximée par les cash-flows d’exploitation anormaux.
Nos résultats empiriques nous permettent de confirmer la première partie de l’hypothèse
d’étude pour les années 1996, 1997 et 2000 à savoir : Après avoir contrôlé leur niveau des
ventes, les entreprises considérées comme suspectes dégagent temporairement de faibles
cash-flows d’exploitation.
Tableau 6: Résultats obtenus de la régression (modèle 1) des ventes et des variations des ventes sur les cash-flows d’exploitation totaux
(Les variables sont divisées par le total des actifs)
1996 1997 1998 1999 2000 2001
Variables Beta t Sig (P) Beta t Sig (P) Beta T Sig (P) Beta t Sig (P) Beta t Sig (P) Beta t Sig (P)
Constante ---- 6.549 0.000** ---- 6.343 0.000** ---- 5.050 0.000** ---- 6.873 0.000** --- 5.941 0.000** --- 5.276 0.000**
1/A (n-1) 0.255 2.980 0.063* 0.076 1.036 0.301 -0.019 -0.290 0.772 -0.132 -2.197 0.029** -0.013 -0.261 0.794 0.010 0.217 0.828
S n/A (n-1) -0.023 -0.244 0.080* -0.058 -0.685 0.049** 0.022 0.296 0.076* 0.017 0.238 0.081* -0.069 -1.013 0.031** 0.039 0.698 0.048**
∆ S n/A (n-1) 0.014 0.148 0.088* 0.257 3.076 0.002** 0.032 0.428 0.066* 0.240 3.255 0.001** -0.001 -0.015 0.098* -0.226 -4.076 0.000**
R2
R2 ajustée
F
Valeur de P
6.6 %
0.045
3.163
0.027
5.6 %
0.041
3.717
0.013
0.2 %
-0.011
0.169
0.917
6.1 %
0.051
6.139
0.000
0.5 %
-0.002
0.754
0.521
4.1 %
0.035
6.968
0.000
- Variable dépendante : cash-flows d’exploitation (CFO).
- Variables indépendantes : « intercept scaled » (1/A n-1), ventes de l’année (S n) et variation des ventes (∆ S n), ces variables sont divisées par le total des actifs de l’année n-1
(A n-1). - *, ** désignent les seuils de signification, respectivement, de P = 10 % et 1 % < P < 5 %.
4-3 Comparaison des entreprises suspectes avec le reste des entreprises
Les entreprises qui publient des bénéfices juste au-delà de zéro entreprennent des activités qui
affectent défavorablement leurs cash-flows d’exploitation totaux (CFO) et en conséquence les
cash-flows d’exploitation anormaux, calculés en se référant au modèle de régression (1). Par
ailleurs, les entreprises suspectes exposent des cash-flows anormaux négatifs par rapport aux
autres entreprises (Roychowdhury, 2006).
Les résultats du tableau 7 confirment notre hypothèse d’étude. En effet, nous remarquons que
pour chaque année les coefficients estimés sont négatifs, exception faite pour l’année 1997.
Pour l’année 1996, les 34 entreprises suspectes exposent des cash-flows d’exploitation
anormaux faibles par rapport aux autres entreprises (105 entreprises) à l’ordre de -5,5 % avec
un seuil de signification de 10 %. Le test de Fisher de 27.205 est significatif au seuil de 1 %.
Le pouvoir explicatif du modèle est à l’ordre de 44.8 %. Ainsi, les variables d’étude, à savoir
la taille de l’entreprise et le ratio « ROA », expliquent 44.8 % de la gestion réelle des résultats.
Pour l’année 1998, nous notons que la significativité globale du modèle est de 8.013. En effet,
le ratio « Market to Book Value » et « ROA » expliquent 12.1 % du modèle (R2=12.1 %) avec
un seuil de significativité à l’ordre de 5 %. De plus, les 44 entreprises suspectes affichent des
cash-flows d’exploitation anormaux faibles par rapport aux 158 entreprises non suspectes à
l’ordre de - 0.033.
Pour les années 1999, 2000 et 2001, nous observons que les coefficients relatifs aux
entreprises suspectes sont respectivement de -0.118, -0.077 et -0.005.
Nos résultats confirment également la seconde partie de l’hypothèse d’étude, exception faite
pour l’année 1997, qui annonce que les entreprises suspectes exposent des cash-flows
d’exploitation anormaux plus faibles par rapport aux restes des entreprises de
l’échantillon.
Globalement, nos résultats17
soutiennent l’hypothèse que les dirigeants des entreprises
s’engagent dans la gestion réelle des résultats à travers la manipulation des ventes. Cette
motivation s’appuie sur l’idée qu’il est plus bénéfique pour un dirigeant d’annoncer un
résultat positif plutôt qu’une perte.
Notre étude revêt une importance cruciale pour les investisseurs dans la mesure où elle permet
de montrer l’impact d’une décision discrétionnaire d’exploitation prise par les dirigeants sur
ses cash-flows d’exploitation. Ceci permet en outre d’aider les investisseurs dans leurs
processus de prise de décision et d’avoir une conscience de tel comportement discrétionnaire
dans l’évaluation de la valeur de l’entreprise.
17 Ils sont en accord avec ceux de Roychowdhury (2006) sur la période de 1987 à 2001 relatifs à 21 758
observations. Il a montré que les entreprises suspectes ont des cash-flows d’exploitation anormaux qui sont
inférieurs en moyenne de 2 % comparés au reste des entreprises. Le coefficient estimé est négatif (-0.020) et
significatif au seuil de 5 % (t= -3.05).
Tableau 7: Résultats obtenus de la régression (modèle 2) relatifs à la comparaison des entreprises suspectes avec le reste des entreprises
1996 1997 1998 1999 2000 2001
Variables Beta t Sig (P) Beta t Sig (P) Beta T Sig (P) Beta t Sig (P) Beta t Sig (P) Beta T Sig (P)
Constante ---- -4.217 0.000** ---- -3.001 0.003** ---- -0.997 0.320 ---- -1.338 0.182 ---- -3.720 0.000** ---- -2.412 0.016**
SIZE 0.174 2.606 0.010** 0.068 1.060 0.291 -0.028 -0.455 0.650 0.001 0.023 0.981 0.055 1.319 0.188 0.056 1.328 0.185
MTB 0.074 0.683 0.496 - 0.132 -2.037 0.043** -0.002 -0.033 0.974 -0.056 -1.003 0.317 0.361 8.852 0.000** -0.289 -6.895 0.000**
ROA 0.632 5.931 0.000** 0.597 6.573 0.000** 0.322 3.785 0.000** 0.322 4.421 0.000** 0.399 7.045 0.000** 0.302 5.170 0.000**
SUSPECT_IN - 0.055 -0.551 0.058* 0.082 0.918 0.036** -0.033 -0.390 0.069* -0.118 -1.643 0.10* -0.077 -1.337 0.018** -0.005 -0.084 0.093**
R2
R2 ajustée
F
Valeur de P
44.8 %
43.2 %
27.205
0 .000
27 %
25.5 %
17.237
0.000
12.1%
10.6%
8.013
0.000
16.1%
14.9%
13.678
0.000
31.5 %
30.8 %
48.046
0.000
17.1 %
16.4 %
24.93
0.000
- Variable dépendante : cash-flows d’exploitation anormaux.
- Variables indépendantes : taille de l’entreprise (SIZE), opportunité de croissance (MTV), ratio de rendement des actifs (ROA) et les entreprises suspectes (SUSPECT_IN).
- *, ** désignent les seuils de signification, respectivement, de P = 10 % et 1 % < P< 5 %.
5- CONCLUSIONS, VOIES DE RECHERCHES ET LIMITES
L’objet de notre recherche porte sur la question de gestion réelle des résultats dans le contexte
français. Plus précisément, notre travail examine l’influence d’une activité réelle à savoir les
ventes sur les cash-flows d’exploitation.
La plupart des études antérieures utilisent des modèles basés sur les engagements (accruals)
pour mesurer le phénomène de gestion des résultats. Néanmoins, la revue de la littérature a
confirmé la possibilité de déterminer la discrétion des dirigeants tout en s’engageant dans la
gestion des cash-flows d’exploitation à travers la manipulation des ventes.
Une hypothèse centrale a été émise et une étude empirique a servi comme un appui pour la
tester dans le contexte français. L’échantillon retenu se compose de 1771 observations
(entreprises-années) entre 1996 et 2001.
La démarche de cette recherche a consisté, notamment, à construire des histogrammes de
normalité et à tester deux modèles économétriques. Le traçage des histogrammes nous a
permis d’identifier les entreprises suspectes tout en observant les discontinuités au niveau de
la distribution du ratio « ROA » autour de seuil zéro pour chaque année d’étude. Alors que le
premier modèle s’est intéressé à mesurer l’ampleur de la gestion réelle approximé par les
cash-flows anormaux. Enfin, le second modèle a comparé les cash-flows d’exploitation
anormaux des entreprises suspectes avec celles non suspectes.
L’analyse des résultats nous a amené à vérifier que les entreprises françaises gèrent leurs
ventes pour atteindre certains objectifs envisagés durant l’exercice comptable. De plus, les
entreprises suspectes enregistrent des cash-flows d’exploitation anormaux plus faibles par
rapport à celles non suspectes. En somme, ceci confirme la volonté des dirigeants pour
s’engager dans la gestion réelle des résultats tout en agissant sur les ventes de l’année.
Cependant nos conclusions méritent d’être interprétées avec certaines réserves puisque
comme tout travail de recherche, cette étude comporte certaines limites.
D’abord, nous nous sommes limités à l’activité des ventes pour mesurer la gestion réelle des
résultats. En d’autre terme, notre étude ne propose pas une liste approfondie de toutes les
activités sur lesquelles peuvent agir les dirigeants lors d’une éventuelle gestion réelle des
résultats. Un examen plus complet des autres types des activités réelles est laissé à la future
recherche, par exemple la production, les dépenses de R&D.
De plus, la méthode employée pour identifier les entreprises suspectes (se concentrer
seulement sur les entreprises dans le petit intervalle à droite de zéro) limite la puissance de
nos résultats. En fait, les entreprises qui atteignent le résultat zéro ne sont pas les seules qui
essayent d’atteindre la cible zéro par la gestion réelle du résultat. D’autres incitations sont
possibles. Par exemple, certaines entreprises qui publient des résultats positifs ont une
incitation d’abaisser leurs résultats pour rapporter des bénéfices qui sont légèrement au dessus
de zéro dans le but de créer des réserves pour les exercices futurs et réduire leur visibilité
économique. Ainsi, l’intervalle avoisinant le seuil zéro peut inclure une part des entreprises
qui ont l’intention de réduire leurs résultats. Ceci biaise nos résultats vu que notre étude
cherche à identifier les entreprises qui augmentent leurs résultats pour atteindre le seuil zéro.
Pour affiner notre recherche, il était peut être plus judicieux de se baser en sus de l’approche
quantitative à une approche qualitative. En fait, la combinaison de ces deux méthodes dans le
cadre d’une seule recherche nous permet d’affirmer la nature de gestion des résultats
entretenue par les dirigeants des entreprises françaises.
Notre travail soulève aussi plusieurs pistes de recherches futures.
D’abord, une question importante qui se pose : « la quelle des deux méthodes (la gestion
réelle des résultats et la gestion comptable des résultats), est la plus bénéfique ; quand les
dirigeants ont la flexibilité de s’engager dans les deux ? », (Zang, 2007).
De même, une autre question mérite d’être soulevée : quels sont les facteurs qui ont un effet
sur l’étendue de la gestion réelle des résultats ? Par exemple, la présence des investisseurs
institutionnels, les dettes, les secteurs d’activités, les opportunités de croissance et les parties
prenantes telles que les banquiers, les fournisseurs et les analystes financiers influent-ils
positivement ou négativement sur la gestion réelle des résultats.
Enfin, il serait intéressant d’étudier si le marché boursier comprend les implications actuelles
et futures de la gestion réelle des résultats. En d’autre terme, les investisseurs sont-ils
conscients de l’effet de la gestion réelle sur la performance opérationnelle des entreprises ? En
fait, un tel comportement, d’une part, remet en cause la pertinence des cash-flows
d’exploitation dans la prédiction de la performance économique de l’entreprise et, d’autre
part, peut influencer les prix des titres.
6- RÉFÉRENCES BIBLIOGRAPHIQUES
Baber, R.W., Fairfield, M.P., Haggard, A.J. (1991). The effect of concern about reported income on
discretionary spending decisions: The case of research and development. The Accounting Review 66 (4):
818-829.
Bartov, E. (1993). The timing of asset sales and earnings manipulation. The Accounting Review 68 (4):
840-855.
Beaver, W.H., McNicholas, M.F., Nelson, K.K. (2004). An alternative interpretation of the discontinuity
in earnings distributions. Cahier de recherche, Stanford University.
Beneish, M. (2001). Earnings management: A perspective. Cahier de recherche, Indiana University.
Bens, D., Nagar, V., Franco Wong, M.H. (2002). Real investment implications of employee stock option
exercises. Journal of Accounting Research 40: 359-393.
Bens, D., Nagar, V., Franco Wong, M.H. (2003). Employee stock options, EPS dilution and stock
repurchases. Journal of Accounting and Economics 36: 51-90.
Burgstahler, D., Dichev, I. D. (1997). Earnings management to avoid earnings decreases and losses.
Journal of Accounting and Economics 24 (1): 99-126.
Bruns, W.J., Merchant, K.A. (1990). The dangerous morality of managing earnings. Management
Accounting 72 (2): 22-25.
Bushee, J.B. (1998). The influence of institutional investors on myopic R&D investment behaviour. The
Accounting Review 73 (3): 305-333.
Cohen, D., Zarowin, P. (2008). Accrual-based and real earnings management activities around seasoned
equity offerings. Cahier de recherche, New York University.
Dechow, P.M., Sloan, R. (1991). Executive incentives and the horizon problem: an empirical
investigation. Journal of Accounting and Economics (14): 51-89.
Dechow, P.M., Sloan, R., Sweeney, A. (1995). Detecting earnings management. The Accounting Review
70 (2): 193-225.
Dechow, P.M., Kothari, S.P., Watts, R.L. (1998). The relation between earnings and cash flows. Journal
of Accounting and Economics 25: 133-168.
Dechow, P.M., Skinner, J.D. (2000). Earnings management: reconciling the views of accounting
academics, practitioners and regulators. Accounting Horizons 14 (2): 235-250.
Dechow, P.M., Richardson, S.A., Tuna, I. (2003). Why are earnings kinky? An examination of the
earnings management explanation. Review of Accounting Studies 8 (2-3): 355-384.
DeFond, M.L., Jiambalvo, J. (1994). Debt covenant violation and manipulation of accruals. Journal of
Accounting and Economics 17: 145-176.
Degeorge, F., Patel, J., Zeckhauser, R. (1999). Earnings management to exceed thresholds. Journal of
Business 72 (1): 1-33.
Durtschi, C., Easton, P. (2005). Earnings management? The shapes of the frequency distributions of
earnings metrics are not evidence ipso facto. Journal of Accounting Research 43: 521-556.
Eldenburg, L., Gunny, K., Hee, K., Sodersdtrom, N. (2007). Earnings management through real activities
manipulation: evidence from nonprofit hospital. Cahier de recherche, University of Colorado at Boulder.
Fields, T.D., Lys, T.Z., Vincent, L. (2001). Empirical research on accounting choice. Journal of
Accounting and Economics 31: 255-307.
Fudenberg, D., Tirole, J. (1995). A theory of income and dividend smoothing based on incumbency rents.
Journal of Political Economy 108: 75-93.
Graham, J.R., Harvey, C.R., Rajgopal, S. (2005). The economic implications of corporate financial
reporting. Journal of Accounting and Economics 40: 3-73.
Graham, J.R., Harvey, C.R., Rajgopal, S. (2006). Value destruction and financial reporting decisions.
Financial Analysts Journal 62 (6): 27-39.
Guidry, F., Leone, A., Rock, S. (1999). Earnings-based bonus plans and earnings management by
business unit managers. Journal of Accounting and Economics 26: 113-142.
Gunny, K. (2005). What are the consequences of real earnings management? Cahier de recherche, Haas
School of Business,University of California.
Hayn, C. (1995). The information content of losses. Journal of Accounting and Economics 20: 125-153.
Healy, P.M. (1985). The effect of bonus schemes on accounting decisions. Journal of Accounting and
Economics 7: 85-107.
Healy, P.M., Wahlen, J.M. (1999). A review of the earnings management literature and its implications
for standard setting. Accounting Horizons 13 (4): 365-383.
Herrmann, T., Inoue, T., Thomas, W.B. (2003). The sale of assets to manage earnings in Japan. Journal
of Accounting Research 41(1): 89-108.
Hribar, P. (2002). Discussion of inventory changes and future returns. Review of Accounting Studies 7:
189-193.
Hribar, P., Jenkins, N.T., Johnson, W.B. (2004). The use of stock repurchases to manage earnings per
share. Cahier de recherche, Cornell University.
Janin, R. (2000). Accruals-based models for detecting earnings management and the French case. EAA
Congress.
Jeanjean, T. (2001a). Contribution à l’analyse de la gestion du résultat des sociétés cotées. Association
Française de Comptabilité, Congrès XXI, Metz.
Jeanjean, T. (2001b). Incitations et contraintes à la gestion du résultat. Comptabilité - Contrôle- Audit 7
(1) : 61-76.
Jeanjean, T. (2002). Gestion du résultat : mesure et démesure. Association Française de Comptabilité,
Congrès XXIII, Toulouse.
Jones, J. (1991). Earnings management during import relief investigations. Journal of Accounting
Research 29 (2):193-228.
Kasznik, R. (1999). On the association between voluntary disclosure and earnings management. Journal
of Accounting Research 37: 57-81.
Kothari, S.P. (2001). Capital markets research in accounting. Journal of Accounting and Economics 31:
105-231.
Lambert, R. (1984). Income smoothing as rational equilibrium behaviour. The Accounting Review 41:
604-618.
Lambert, C., Sponem, S. (2005). Corporate governance and profit manipulation: a French field study.
Critical Perspectives on Accounting 16 (6): 717-748.
McNicholas, M.F. (2000). Research design issues in earnings management studies. Journal of Accounting
and Public Policy 19: 313-345.
Peasnell, K.V., Pope, P.F., Young, S. (2000). Detecting earnings management using cross-sectional
abnormal accruals models. Accounting and Business Research 30 (4): 313-326.
Pincus, M., Rajgopal, S. (2002). The interaction between accrual management and hedging: evidence
from oil and gas firms. Accounting Review 77: 127-160.
Roychowdhury, S. (2004). Manipulation of earnings through the management of real activities that affect
cash flow from operations. Dissertation, University of Rochester.
Roychowdhury, S. (2006). Earnings management through real activities manipulation. Journal of
Accounting and Economics 42: 335-370.
Skinner, D.J., Sloan, R.G. (2002). Earnings surprises, growth expectations and stock return or don’t let an
earnings torpedo sink your portfolio. Review of Accounting Studies 7: 289-312.
Stolowy, H., Breton, G. (2003). La gestion des données comptables: une revue de la littérature.
Comptabilité- Contrôle- Audit 9 (1): 125-152.
Teoh, S., Welch, I., Wong, T. (1998a). Earnings management and the long-run market performance of
initial public offerings. The Journal of Finance 53 (6): 1935-1974.
Teoh, S. Welch, I., Wong, T. (1998b). Earnings management and the post-issue performance of seasoned
equity offerings. Journal of Financial Economics 50: 63-99.
Thomas, J.K., Zhang, H. (2002). Inventory changes and future returns. Review of Accounting Studies
7:163-187.
Zang, A. (2007). Evidence of the tradeoff between real manipulation and accrual manipulation. Cahier de
recherche, University of Rochester.